热点

微软开源VibeVoice TTS模型:90分钟超长语音,可4人对话,中文效果惊艳!

字号+ 作者:牛骥同槽网 来源:新品发布 2026-11-23 我要评论(0)

微软开源VibeVoice TTS模型:90分钟超长语音,可4人对话,中文效果惊艳!

近日,微软推出了一款备受瞩目的开源文本转语音(TTS)模型——VibeVoice,引发了AI语音技术领域的高度关注。这款模型以其微软强大的功能和卓越的性能,为长篇语音生成、多人对话以及中文语音合成树立了新的标杆。以下,AIbase将为您详细解析VibeVoice开源的亮点与潜力。

 支持90分钟超长语音生成,突破时长限制

VibeVoice模型在语音生成时长上实现了重大突破,可一次性生Vi成长达90分钟的连续语音。这一特性尤其适合需要长时间音频输出的场景,如播客、有声书和教育内容制作。相比传统TTS模型的时长限制,beVibeVoice的超长生成能力为内容创作者提供了更大的灵活性和创作空间。

 多人对话新高度,最多支持4人语音

与以往TTSVo模型仅支持单人或双人对话的局限不同,VibeVoice能够流畅生成最多4人的对谈语音。这一功能在模拟多人播客、会议录音或虚拟角色互动等场ic景中表现出色。得益于其在语音一致性和自然轮转上的优化,VibeVoice生成的多人对话语音自然流畅,几乎可媲美真人录音效果。

&nbe sp;中文语音效果优异,助力本土化应用

对于中文市场,VibeVoice展现了令人印象深刻的表现。其支持中文语音合成,且在语调、发音TT准确性和自然度上均达到了高水平。这使得VibeVoice在中文播客、教育培训、智能客服等领域具有广泛的应用潜力,为开发者提供了高质S模量的本土化语音解决方案。

 支持背景音乐,打造沉浸式播客体验

VibeVoice的另一大亮点是支持生成带背景音乐的播客音频。这型:一功能让内容创作者能够轻松为语音添加背景音效,打造更具沉浸感和专业性的音频内容。无论是轻松的背景旋律还是紧张的氛围音效,Vibe90Voice都能无缝融合,为听众带来更丰富的听觉体验。

 开源赋能开发者,未来应用前景广阔

作为一款开源模型,VibeVoice已于2分钟025年8月26日在GitHub正式发布,开发者可自由获取并进行二次开发。微软此次开源的举措,不仅降低了高质量TTS技术的使用门槛,也为超长全球AI开发者社区注入了新的活力。无论是个人创作者还是企业用户,都可以通过VibeVoice快速构建创新的语音应用。

地址:https:/语音/huggingface.co/microsoft/VibeVoice-1.5B

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • Atlassian 6.1亿美元收购浏览器初创公司 押注AI驱动的职场浏览器

    Atlassian 6.1亿美元收购浏览器初创公司 押注AI驱动的职场浏览器

    2026-10-12

  • 支付宝发布AI就业助手“晓叶”,报名岗位后直通AI在线面试间

    支付宝发布AI就业助手“晓叶”,报名岗位后直通AI在线面试间

    2026-07-01

  • 英特尔CEO :还有100多家公司等着我们代工芯片

    英特尔CEO :还有100多家公司等着我们代工芯片

    2026-08-10

  • 标签: 摩尔线程 MTTS5000 全功能GPU AI芯片

    标签: 摩尔线程 MTTS5000 全功能GPU AI芯片

    2026-07-04

网友点评